CO₂ 증진 셰일가스 회수(CO₂-ESGR) 기술은 비전통 천연가스 개발과 CO₂ 저장을 결합한 탄소 포집, 활용 및 저장(CCUS) 기술입니다. 이 기술은 셰일가스 개발 효율을 향상시킬 뿐만 아니라 CO₂ 지질 저장을 구현할 수 있어 온실가스 배출 압력을 완화하고 “탄소 중립” 목표 달성에 중요한 의의를 가지며 적용 가능성이 넓습니다. CO₂-ESGR 과정에서 CH₄와 CO₂의 셰일 내부 흡착 특성은 가스 치환 효율과 저장 효과에 직접적인 영향을 미치며, 이는 CO₂-ESGR 효과에 영향을 미치는 주요 요인 중 하나입니다. 본 논문은 중국 주요 셰일가스 자원 집적 지역의 셰일 시료에 대한 CH₄-CO₂ 가스 흡착 실험 데이터를 체계적으로 정리하고, 이에 따른 데이터베이스를 구축하였습니다. 본 연구는 총유기탄소(TOC) 함량, 점토광물 함량, BET 비표면적, 온도, 압력, CO₂ 함량 등의 주요 요인을 종합적으로 고려하여 BP(역전파) 신경망, K-최근접 이웃(KNN) 알고리즘, 랜덤 포레스트, 서포트 벡터 머신 등 4가지 머신러닝 방법을 기반으로 셰일 내 CH₄-CO₂ 흡착 특성 예측 모델을 구축하였으며, 나아가 CH₄-CO₂ 계의 흡착 및 경쟁 흡착 특성을 체계적으로 연구하였습니다. 문헌 보고 데이터, 실험 측정 데이터, 랑뮤어(Langmuir) 모델 예측 데이터 등 다차원 비교를 통해 본 연구에서 구축한 머신러닝 흡착 모델의 정확도를 검증하였습니다. 결과는 랜덤 포레스트 모델이 가장 높은 예측 정확도와 우수한 적용 범위 확장성을 보이며, 0~15 MPa 범위 내 단일 성분 가스 및 혼합계 흡착량 예측의 평균 절대 상대 편차가 1.57%~1.94% 사이이며 결정 계수(R²)가 0.99에 달함을 나타냈습니다. 본 연구에서 구축한 머신러닝 모델은 셰일 내 CH₄-CO₂ 혼합계 흡착 특성 및 경쟁 흡착 특성을 비교적 정확하게 예측할 수 있어 CO₂-ESGR 기술 적용에 일정한 기초 이론적 지원을 제공합니다.

셰일;CH₄-CO₂;흡착;랑뮤어 모델;머신러닝